用于脑肿瘤分割的体卷积神经网络
计算机视觉与模式识别
2018-11-08 v1 机器学习
机器学习
摘要
脑癌可能非常致命，但通过早期检测和治疗可提高存活几率。医生使用磁共振成像（MRI）来检测和定位脑肿瘤，并非常仔细地分析扫描以分割脑肿瘤。手动分割对医生来说耗时且疲劳，并且他们可能难以注意到极小的异常。计算机执行的自动分割可提供更快的诊断、注意到微小细节的能力以及更准确的分割。深度学习和计算机硬件的进步使得高性能的自动分割方法成为可能。然而，在实践中仍存在若干问题：训练时间增加、类别不平衡和性能低下。在本文中，我提出应用 V-Net（一种体全卷积神经网络）来分割来自 BraTS Challenges 的 MRI 扫描中的脑肿瘤。通过该方法，我实现了全肿瘤 dice 分数 0.89，并在短时间内训练网络，同时利用 dice 损失层解决类别不平衡问题。然后，我提出应用一种现有技术来在实践中改进自动分割性能。
引用
@article{arxiv.1811.02654,
title = {A Volumetric Convolutional Neural Network for Brain Tumor Segmentation},
author = {Ryan Sherman},
journal= {arXiv preprint arXiv:1811.02654},
year = {2018}
}